用于跨场景海陆杂波分类的多源半监督对抗域泛化网络
计算机视觉与模式识别
2024-03-12 v2
摘要
基于深度学习 (DL) 的天波超视距雷达 (OTHR) 海陆杂波分类已成为一个新的研究课题。在工程应用中，对存在分布差异的海陆杂波进行实时预测至关重要。为解决这一问题，本文提出了一种用于跨场景海陆杂波分类的新型多源半监督对抗域泛化网络 (MSADGN)。MSADGN 能够从一个有标签源域和多个无标签源域中提取域不变和域特定特征，随后将这些特征泛化至任意未见目标域，以实现海陆杂波的实时预测。具体而言，MSADGN 由三个模块组成：域相关伪标签模块、域不变模块和域特定模块。第一个模块引入了一种称为域相关伪标签的改进伪标签方法，旨在生成可靠的伪标签以充分利用无标签源域。第二个模块利用带有多判别器的生成对抗网络 (GAN) 提取域不变特征，以增强模型在目标域中的可迁移性。第三个模块采用并行多分类器分支提取域特定特征，以增强模型在目标域中的判别能力。在十二种域泛化 (DG) 场景中验证了本方法的有效性。同时，我们选取了 10 种最先进的 DG 方法进行对比。实验结果证明了本方法的优越性。
引用
@article{arxiv.2402.06315,
title = {Multisource Semisupervised Adversarial Domain Generalization Network for Cross-Scene Sea-Land Clutter Classification},
author = {Xiaoxuan Zhang and Quan Pan and Salvador García},
journal= {arXiv preprint arXiv:2402.06315},
year = {2024}
}
备注
15 pages, 8 figures, 4 tables